无人机视角下小目标检测算法

针对无人机航拍图像中存在因背景复杂、尺度变化大、目标密集而导致的小目标检测率较低问题，提出一种新型双向加权多尺度动态无人机视角下小目标检测（BiEO-YOLOv8s）算法。首先，设计全新ODE模块来替代部分C2f模块，使其能更准确、更快速、多角度地定位目标特征。然后，设计双向加权多尺度动态颈部网络结构（BiEO-Neck），实现浅层特征与深层特征的深度融合。其次，添加小目标检测头，进一步提升特征提取能力。最后，采用广义交并比边界损失函数来替代原有边界损失函数，以增强边界框的回归性能。在VisDrone数据集上进行实验，与基础模型YOLOv8s相比，平均精度均值提升了6.1百分点，检测速度仅为4.9 ms，整体性能优于其他主流模型。通过在IRTarget数据集上的通用性测试，进一步验证了该算法在不同数据集上的有效性和适应性。所提算法能够高效地完成无人机航拍图像的目标检测任务。